cpfind - מקוון בענן

תָכְנִית:

שֵׁם

cpfind - התאמת תכונות לתפירה פנורמית

תַקצִיר

cpfind [אפשרויות] -o output_project project.pto

cpfind [אפשרויות] -k i0 -k i1 [...] project.pto

cpfind [אפשרויות] --kall project.pto

תיאור

cpfind cpfind הוא גלאי נקודת בקרה עבור Hugin. הוא מצפה לקובץ פרויקט כקלט
וכותב קובץ פרויקט עם נקודות בקרה על הצלחה. זה תלוי בעדשה סבירה
מידע בקובץ פרויקט הקלט.

השלב הראשון הוא תיאור התכונה: בשלב זה התמונות של קובץ הפרויקט הן
נטענים וחיפושים מה שנקרא נקודות מפתח. הם מתארים מאפיינים ייחודיים ב-
תמונה. cpfind משתמש בתיאור המבוסס על הדרגתיות עבור תיאור התכונה של
נקודות מפתח.

בשלב שני, התאמת התכונה, כל נקודות המפתח של שתי תמונות מותאמות
זה לזה כדי למצוא תכונות שנמצאות בשתי התמונות. אם ההתאמה הזו הייתה מוצלחת שניים
נקודות המפתח בשתי התמונות הופכות לנקודת בקרה אחת.

נוהג

ישר ו פישיה תמונות
Cpfind יכול למצוא נקודות בקרה בתמונות ישרות ועין דג. להשיג שליטה טובה
מצביע על תמונות עם שדה ראייה אופקי גבוה (למשל, ישר רחב במיוחד או
עין דג) מסופים לכן מחדש למרחב קונפורמי (cpfind משתמש בסטריוגרפיה
הקרנה) והתאמת התכונה מתרחשת במרחב הזה. לפני כתיבת הבקרה
נקודות הקואורדינטות ממופות מחדש למרחב התמונה. זה קורה אוטומטית
בהתאם למידע על העדשה בקובץ פרויקט הקלט. אז תבדוק שאתה
קובץ פרויקט הקלט מכיל מידע סביר על העדשה המשומשת.

שימוש סלסט
פנורמה חיצונית מכילה לעתים קרובות עננים. עננים הם אזורים גרועים להגדרת נקודות בקרה
כי הם מזיזים חפץ. Cpfind יכול להשתמש באותו אלגוריתם כמו celeste_standalone
אזורים מוסווים המכילים עננים. (זה נעשה רק פנימי עבור נקודת המפתח
מציאת שלב ואינו משנה את ערוץ האלפא של התמונה שלך. אם אתה רוצה לייצר
תמונת מסכה השתמש ב-celeste_standalone). כדי להפעיל cpfind עם celeste השתמש

cpfind --celeste -o output.pto input.pto

שימוש ב-cpfind עם celeste משולבת אמור להיות עדיף על שימוש ב-cpfind ו
celeste_standalone רצף. בעת הפעלת cpfind עם אזורי celeste של עננים, אשר
לעתים קרובות מכיל נקודות מפתח עם מדד באיכות גבוהה, לא מתחשבים ואזורים ללא
במקום זאת משתמשים בעננים. כאשר מריצים cpfind ללא celeste גם נקודות מפתח בעננים
מצאתי. כאשר לאחר מכן מפעילים את celeste_standalone נקודות הבקרה הללו מוסרות. בתוך ה
במקרה הגרוע כל נקודות הבקרה של זוג תמונה מסוים מוסרות.

אז הפעלת cpfind עם celeste מובילה ל"איכות נקודת בקרה" טובה יותר עבור חוץ
פנורמה (למשל פנורמה עם עננים). הפעלת cpfind עם celeste לוקחת יותר זמן מ-cpfind
לבד. אז עבור פנורמה פנימית אין צורך לציין אפשרות זו (בגלל ארוך יותר
זמן חישוב).

ניתן לכוונן את צעד הסלסטה לפי הפרמטרים --celesteRadius ו
--celesteThreshold.

תואם אסטרטגיה
תעשיות זוגות

זוהי אסטרטגיית ההתאמה המוגדרת כברירת מחדל. כאן כל צמדי התמונות מותאמים לכל אחד
אַחֵר. לדוגמה, אם הפרויקט שלך מכיל 5 תמונות, cpfind מתאים לצמדי התמונות: 0-1,
0-2, 0-3, 0-4, 1-2, 1-3, 1-4, 2-3, 2-4 ו-3-4

אסטרטגיה זו פועלת עבור כל אסטרטגיית הירי (שורה אחת, מרובת שורות, לא מסודרת). זה מוצא
(כמעט) כל צמדי התמונות המחוברים. אבל זה יקר חישובי לפרויקטים עם
תמונות רבות, מכיוון שהוא בודק צמדי תמונות רבים שאינם מחוברים.

לינארי להתאים

אסטרטגיית התאמה זו פועלת בצורה הטובה ביותר עבור תמונות פנורמה בשורה אחת:

cpfind --linearmatch -o output.pto input.pto

זה יזהה רק התאמות בין תמונות סמוכות, למשל עבור 5 התמונות לדוגמה
הרצון תואם לצמדי תמונות 0-1, 1-2, 2-3 ו-3-4. ניתן להגדיל את מרחק ההתאמה
עם המתג --linearmatchlen. למשל עם --linearmatchlen 2 cpfind יתאים לתמונה
עם התמונה הבאה והתמונה שאחריה, בדוגמה שלנו זה יהיה 0-1, 0-2, 1-2,
1-3, 2-3, 2-4 ו-3-4.

ריבוי שורות תואם

זוהי אסטרטגיית התאמה אופטימלית עבור פנורמה בודדת ומרובת שורות:

cpfind --multirow -o output.pto input.pto

האלגוריתם זהה לתיאור בפנורמה מרובת שורות. על ידי שילוב זה
אלגוריתם לתוך cpfind זה מהיר יותר על ידי שימוש במספר ליבות של מעבדים מודרניים ואל תשמור במטמון
נקודות המפתח לדיסק (וזה זמן רב). אם אתה רוצה להשתמש בריבוי שורות זה
התאמת בתוך hugin הגדר את סוג גלאי נקודת הבקרה ל-All images בבת אחת.

נקודות מפתח מטמון ל דיסק

חישוב נקודות המפתח לוקח זמן מה. אז cpfind מציעה את האפשרות לשמור את
נקודות מפתח לקובץ ולהשתמש בהן שוב מאוחר יותר. עם --kall נקודות המפתח עבור כל התמונות
בפרויקט נשמרים בדיסק. אם אתה רוצה רק את נקודות המפתח של תמונה מסוימת השתמש
הפרמטר -k עם מספר התמונה:

cpfind --kall input.pto
cpfind -k 0 -k 1 input.pto

קובצי נקודת המפתח נשמרים כברירת מחדל באותה ספרייה כמו התמונות עם
סיומת .key. במקרה זה לא מתרחשת התאמה של תמונות ולכן אין פרויקט פלט
צריך לציין את הקובץ. אם cpfind מוצא קבצי מפתח עבור תמונה בפרויקט הוא ישתמש
אותם אוטומטית ולא להפעיל שוב את מתאר התכונה בתמונה זו. אם אתה רוצה
שמור אותם בספרייה אחרת השתמש בבורר --keypath.

ניתן לבצע אוטומציה של הליך זה גם באמצעות המתג --cache:

cpfind --cache -o output.pto input.pto

במקרה זה הוא מנסה לטעון קבצי מפתח קיימים. לתמונות שאין בהן א
קובץ keypoint, נקודות המפתח מזוהות ושומרות בקובץ. ואז זה מתאים לכל הטעונים
ונקודות מפתח שנמצאו לאחרונה וכותב את פרויקט הפלט.

אם אינך זקוק לקובץ המפתח זמן רב יותר, ניתן למחוק אותו אוטומטית על ידי

cpfind --clean input.pto

מורחבים אפשרויות

מאפיין תיאור
מטעמי מהירות cpfind משתמש בתמונות, המותאמות לחצי הרוחב והגובה שלהן,
כדי למצוא נקודות מפתח. עם המתג --fullscale cpfind עובד על התמונות בקנה מידה מלא.
זה לוקח יותר זמן אבל יכול לספק "טובות יותר" ו/או יותר נקודות בקרה.

ניתן לכוונן את שלב תיאור התכונה לפי הפרמטרים:

--רוחב מסננת
מסננת 1: מספר דליים ברוחב (ברירת מחדל: 10)

--מסננת 1גובה
מסננת 1: מספר דליים בגובה (ברירת מחדל: 10)

-- גודל מסננת
מסננת 1: מקסימום נקודות לכל דלי (ברירת מחדל: 100)

--kdtreesteps
KDTree: שלבי חיפוש (ברירת מחדל: 200)

--kdtreesecondist

KDTree: מרחק המשחק השני (ברירת מחדל: 2)

Cpfind מאחסן נקודות מפתח מקסימליות של sieve1width * sieve1height * sieve1size לכל תמונה. אם אתה
יש רק חפיפה קטנה, למשל עבור צילום פנורמה של 360 מעלות עם תמונות עין דג, אתה יכול
השג תוצאות טובות יותר אם תגדיל את sieve1size. אתה יכול גם לנסות להגדיל את רוחב המסננת
ו/או גובה מסננת.

מאפיין תואם
כוונון עדין של שלב ההתאמה לפי הפרמטרים הבאים:

--מפשיט
Ransac: איטרציות (ברירת מחדל: 1000)

-- גזלן
Ransac: סף אומדן מרחק הומוגרפיה (פיקסלים) (ברירת מחדל: 25)

--ransacmode (אוטו, הום, rpy, rpyv, rpyb)
בחר את הדגם המשמש בשלב ransac.

hom: נניח הומוגרפיה. ישים רק לזווית לא רחבה
צפיות. משתמש בקוד הפנומטי המקורי. זה גם גמיש יותר
מהנדרש ויכול ליצור התאמות שווא, במיוחד אם רובן
מהגפרורים ממוקמים על קו בודד.

rpy: יישר תמונות באמצעות גלגול, גובה ופיוט. זה דורש טוב
אומדן עבור שדה הראייה האופקי (ועיוות, עבור
תמונות מעוותות מאוד). זהו המצב המועדף אם א
נעשה שימוש בעדשה מכוילת, או שניתן היה לקרוא את ה-HFOV בהצלחה
מנתוני EXIF.

rpyv: יישר זוג על ידי אופטימיזציה של גלגול, גובה, פיה ושדה של
נוף. צריך לעבוד ללא ידע מוקדם בתחום הראייה,
אך עלול להיכשל לעתים קרובות יותר, עקב פונקציית שגיאה בשימוש ב-
Panotools Optimizer, הוא נוטה לכווץ את fov ל-0.

rpyvb: יישר זוג על ידי אופטימיזציה של גלגול, גובה, פיה, שדה ראייה ו
פרמטר העיוות "b". כנראה מאוד שביר, פשוט
מיושם לצורך בדיקה.

אוטומטי: השתמש בהומוגרפיה עבור תמונות עם hfov < 65 מעלות ו-rpy אחרת.

--minmatches
מינימום התאמות (ברירת מחדל: 4)

--רוחב מסננת
מסננת 2: מספר דליים ברוחב (ברירת מחדל: 5)

--מסננת 2גובה
מסננת 2: מספר דליים בגובה (ברירת מחדל: 5)

-- גודל מסננת
מסננת 2: מקסימום נקודות לכל דלי (ברירת מחדל: 2)

Cpfind יוצר בין minmatches לבין sieve2width * sieve2height * sieve2size
נקודות בקרה בין זוג תמונות. (הגדרת ברירת המחדל היא בין 4 ל-50 (=5*5*2)
נקודות בקרה לכל זוג תמונה.) אם פחות מ-minmatches נמצאות נקודות בקרה עבור a
בהינתן צמדי תמונות מתעלמים מנקודות הבקרה הללו וזוג התמונות הזה כן
מחשיב כלא מחובר. עבור חפיפות צרות, אתה יכול לנסות להפחית את ההתאמות,
אבל זה מגדיל את הסיכון לקבל נקודות בקרה שגויות.

אפשרויות

--celesteRadius
רדיוס עבור סלסטה (ברירת מחדל 20)

--celesteThreshold
סף עבור celeste (ברירת מחדל 0.5)

--סלסטה
הפעל זיהוי celeste sky לאחר טעינת תמונות, זה מתעלם מכל התכונות
הקשורים ל'עננים'.

-p <מחרוזת, --נתיב מפתח
נתיב לקובץ מפתח במטמון

--לְנַקוֹת
נקה קבצי מפתח במטמון

-c, --מטמון
מטמון נקודות מפתח לקובץ חיצוני

--קאל
כתוב קבצי מפתח עבור כל התמונות

-k , --writekeyfile
כתוב קובץ מפתח עבור מספר תמונה זה (מתקבל מספר פעמים)

-o , --תְפוּקָה
קובץ פלט, חובה

-n , --ncores
מספר מעבד/ליבות (ברירת מחדל: זיהוי אוטומטי)

-t, --מִבְחָן
מאפשר מצב בדיקה

--קנה מידה מלא
משתמש בתמונה בקנה מידה מלא כדי לזהות נקודות מפתח (ברירת מחדל: false)

--רוחב מסננת
מסננת 1: מספר דליים ברוחב (ברירת מחדל: 10)

--מסננת 1גובה
מסננת 1: מספר דליים בגובה (ברירת מחדל: 10)

-- גודל מסננת
מסננת 1: מקסימום נקודות לכל דלי (ברירת מחדל: 100)

--kdtreesteps
KDTree: שלבי חיפוש (ברירת מחדל: 200)

--kdtreesecondist
KDTree: מרחק של משחק שני (ברירת מחדל: 2)

--רב
אפשר התאמה היוריסטית מרובת שורות (ברירת מחדל: כבוי)

--התאמה קווית
אפשר התאמת תמונות ליניאריות (ברירת מחדל: כל הזוגות)

--לינארית התאמה
מספר התמונות להתאמה בהתאמה ליניארית (ברירת מחדל: 1)

--minmatches
מינימום התאמות (ברירת מחדל: 4)

--מפשיט
Ransac: איטרציות (ברירת מחדל: 1000)

-- גזלן
Ransac: סף אומדן מרחק הומוגרפיה (פיקסלים) (ברירת מחדל: 25)

--רוחב מסננת
מסננת 2: מספר דליים ברוחב (ברירת מחדל: 5)

--מסננת 2גובה
מסננת 2: מספר דליים בגובה (ברירת מחדל: 5)

-- גודל מסננת
מסננת 2: מקסימום נקודות לכל דלי (ברירת מחדל: 2)

--, --התעלם משאר
מתעלם משאר הארגומנטים המסומנים בעקבות הדגל הזה.

--גִרְסָה
מציג מידע גרסה ויציאה.

-h, - עזרה
מציג מידע שימוש ויציאות.

מחברים

אנאל אורלינסקי, פבלו ד'אנג'לו, אנטואן דלפורג', תומאס מודס

"גרסה: 2015.0.0" 2016-01-06 CPFIND(1)

השתמש ב-cpfind באינטרנט באמצעות שירותי onworks.net